🤖 AI

Profiles of AI Dependency: A Latent Class Analysis of Filipino Students' Academic Competencies

본 연구는 팜팡가 지역의 651 명 필리핀 대학생들을 대상으로 잠재 클래스 분석을 수행하여 네 가지 뚜렷한 AI 의존성 프로필을 규명하였으며, AI 에 대한 의존도가 높은 학생들은 학업 역량이 현저히 약하다는 사실을 밝혀내어 AI 통합과 비판적 사고 및 필수 학업 기술 보존 사이의 균형을 맞추는 교육 정책의 시급한 필요성을 강조하였다.

원저자: Emerson Q. Fernando, Julius Ceazar G. Tolentino, Maria Anna D. Cruz, Jordan L. Salenga, Vernon Grace M. Maniago, Juvy C. Grume, Erika M. Pineda, Aileen P. De Leon, John Paul P. Miranda

게시일 2026-05-01

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Emerson Q. Fernando, Julius Ceazar G. Tolentino, Maria Anna D. Cruz, Jordan L. Salenga, Vernon Grace M. Maniago, Juvy C. Grume, Erika M. Pineda, Aileen P. De Leon, John Paul P. Miranda

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

학생들을 미로를 해결하려는 탐험가 팀으로 상상해 보세요. 과거에는 그들이 길을 찾기 위해 자신의 두뇌, 지도, 나침반을 사용해야 했습니다. 하지만 오늘날 그들은 즉각적으로 가장 짧은 경로를 알려주는 강력한 새로운 도구, 즉 '마법 GPS'(인공지능) 를 갖게 되었습니다.

이 논문은 필리핀 대학생들이 이 마법 GPS 를 어떻게 사용하고 있는지에 대한 연구입니다. 연구자들은 다음과 같은 질문을 던졌습니다: 이 학생들은 여전히 스스로 미로를 탐색하는 법을 배우고 있는가, 아니면 GPS 에게 모든 일을 맡기고 있는가?

다음은 그들의 발견 사항을 쉽게 정리한 내용입니다:

설정: 누구이며 어디인가?

연구자들은 필리핀 캄팡가 주의 651 명 대학생을 조사했습니다. 그들은 이 학생들에게 AI 를 다섯 가지 특정 작업에 어떻게 사용하는지 질문했습니다:

비판적 사고: 스스로 문제를 해결하는 것.
작문: 종이에 글을 쓰는 것.
자립성: 도움 없이 학습하는 것.
연구: 사실과 출처를 찾는 것.
참여: 수업에 관심을 유지하는 것.

주요 발견: 네 가지 유형의 탐험가

특수한 통계 방법 (사람들의 습관에 따라 그룹을 분류하는 '정렬 기계'라고 생각하세요) 을 사용하여 연구자들은 학생들이 모두 같지 않다는 것을 발견했습니다. 그들은 네 가지 뚜렷한 그룹으로 나뉩니다:

초월 항해자 (매우 참여하는 독립 학습자):
- 그들은 누구인가: 이 학생들은 가장 강력한 기술을 보유하고 있습니다. 그들은 정말로 빠른 확인이 필요할 때만 마법 GPS 를 사용하지만, 여전히 스스로 지도를 읽는 법을 알고 있습니다.
- 결과: 그들은 사고, 작문, 연구에 있어 가장 능숙합니다.
스마트 조종사 (선택적 AI 사용자):
- 그들은 누구인가: 이 학생들은 작문과 연구에 능합니다. 그들은 GPS 를 유용한 조수처럼 취급합니다. 속도를 높이는 데는 사용하지만, GPS 에게 운전을 맡기지는 않습니다.
- 결과: 그들은 강력한 기술을 보유하고 있으며, AI 를 지팡이가 아닌 도구로 사용합니다.
표류하는 운전자 (중도 AI 사용자):
- 그들은 누구인가: 이 학생들은 대부분의 일에 있어 평범하지만, 특히 스스로 학습할 때 GPS 에 조금 지나치게 의존하기 시작하고 있습니다.
- 결과: 그들의 기술은 평균적이지만, 도구에 대한 의존도가 조금씩 커지고 있습니다.
GPS 좀비 (AI 의존 학습자):
- 그들은 누구인가: 이 그룹은 위기에 처해 있습니다. 그들은 마법 GPS 에 핸들을 완전히 맡겨버렸습니다. 그들은 스스로 거의 생각하지 않고, 스스로 글을 거의 쓰지 않으며, AI 없이 정보를 찾는 데 어려움을 겪습니다.
- 결과: 그들은 가장 약한 학업 기술을 가지고 있습니다. AI 가 일을 대신하는 것에 너무 익숙해져서 자신의 '근육'(기술) 이 약해지고 있습니다.

데이터가 알려주는 것

추세: 많은 학생들이 연구와 작문을 위해 AI 에게 중노동의 대부분을 맡기고 있습니다. 이는 일을 더 빠르게 만들지만, 연구에 따르면 AI 에 의존할수록 그들의 근본적인 기술은 약해집니다.
'고학년' 문제: 흥미롭게도, 고학년 (4 학년) 학생들은 신입생보다 AI 에 더 의존했습니다. 마치 GPS 를 사용할수록 스스로 길을 찾는 능력을 덜 신뢰하게 되는 것과 같습니다.
성별이나 성적 편향 없음: 학생이 남자인지 여자인지, 혹은 전과목 A 를 받는 학생인지 struggling(부진한) 학생인지 여부는 중요하지 않았습니다. 고득점자와 저득점자 모두 AI 를 유사한 방식으로 사용했습니다. 차이는 어떻게 사용했느냐 (도구로 vs 대체제로) 에 있었습니다.

주요 교훈

이 논문은 AI 가 편리한 단축키이지만, 이를 지나치게 의존하는 것은 로봇에게 숙제를 맡기는 것과 같다고 경고합니다. 그렇게 하면 정답은 얻을 수 있지만, 스스로 문제를 해결하는 법은 배우지 못하게 됩니다.

연구자들은 학교들이 AI 를 단순히 금지하거나 맹목적으로 사용하게 방치하는 대신, 학생들에게 **GPS 를 현명하게 사용하는 법 (AI 리터러시)**을 가르쳐야 한다고 제안합니다. 목표는 새로운 기술을 사용하면서도 학생들 자신의 '항해 기술'(비판적 사고와 작문) 을 강력하게 유지하는 것입니다.

간단히 말해: AI 는 훌륭한 도구이지만, 만약 당신이 완전히 그에게 운전을 맡긴다면 운전하는 법을 잊어버릴 수 있습니다. 이 연구는 특정 그룹의 학생들이 이미 운전하는 법을 잊어버렸으며, 학교들이 그들을 다시 핸들 뒤로 돌아오게 도와야 한다고 발견했습니다.

"필리핀 학생들의 학업 역량에 대한 AI 의존성 프로파일: 잠재 클래스 분석"에 대한 상세 기술 요약입니다.

1. 문제 제기

본 연구는 고등교육 학생들 사이에서 인공지능 (AI) 도구, 특히 생성형 AI(예: ChatGPT) 에 대한 의존이 근본적인 학업 역량을 약화시키고 있다는 우려가 커지고 있는 문제를 다룹니다. AI 가 실시간 피드백과 콘텐츠 생성과 같은 이점을 제공하지만, '인지적 외부화 (cognitive offloading)'의 위험으로 인해 다음과 같은 결과가 초래될 수 있습니다.

비판적 사고 및 작문 능력의 저하.
학습의 독립성과 연구 능력의 감소.
심층 학습에서 피상적인 과업 완수로의 전환.

기존 문헌은 종종 일반적인 태도나 고립된 학문 영역에 초점을 맞추고 있으며, 특히 필리핀과 같은 소외된 지역에서 행동 프로파일을 식별하기 위한 개인 중심의 통계적 접근법이 부족합니다. 본 연구는 필리핀 맥락 내에서 다섯 가지 구체적인 영역에 걸친 AI 의존성을 분석함으로써 이러한 격차를 해소하는 것을 목표로 합니다.

2. 방법론

연구 설계: 횡단적 양적 연구.
참가자:
- 표본 크기: 수집된 800 건 중 651 건의 유효 응답 (대학생).
- 인구통계학적 특성: 필리핀 팜팡가주의 45 개 고등교육위원회 (CHED) 인증 공립 및 사립 기관에 재학 중인 학생들.
- 프로파일: 평균 연령 20.22 세; 주로 1 학년과 3 학년 학생; 성별 분포는 혼합됨.
도구: 다섯 가지 학업 기술 차원을 측정하는 24 문항 설문지:
1. 비판적 사고 (CT)
2. 작문 기술 (WS)
3. 학습 독립성 (LI)
4. 연구 기술 (RS)
5. 학업 참여도 (AE)
- 신뢰도: 크론바흐 알파 (Cronbach's alpha) 를 통해 모든 구성요소에 대해 높은 내적 일관성 확인 ( $\alpha > 0.92$ ).
데이터 수집: 2024 년 10 월부터 2025 년 1 월까지 눈덩이 표본추출법을 활용한 온라인 설문 (Google Forms).
통계 분석:
- 기술 통계: 의존성 점수의 평균과 표준편차를 분석하기 위함.
- 잠재 클래스 분석 (LCA): AI 의존성 패턴에 기반하여 학생들의 뚜렷한 하위 집단 (프로파일) 을 식별하기 위해 사용. 모델 적합도는 아카이케 정보 기준 (AIC) 과 베이지안 정보 기준 (BIC) 을 사용하여 결정됨.
- 카이제곱 분석: 인구통계학적 변수 (성별, 학년, 성적) 와 식별된 잠재 클래스 간의 관계를 검토하기 위함.

3. 주요 기여

개인 중심 프로파일링: 변수 중심 접근법에 초점을 맞춘 이전 연구들과 달리, 본 연구는 LCA 를 사용하여 학생들을 AI 사용과 관련된 뚜렷한 행동 프로파일로 분류합니다.
맥락적 통찰: 글로벌 AI-교육 문헌에서 종종 소외된 지역인 필리핀 고등교육 시스템 내 AI 의존성에 대한 실증 데이터를 제공합니다.
다차원적 평가: 고립된 과업이 아닌 비판적 사고, 작문, 독립성, 연구, 참여 등 학업 기술의 전체적 스펙트럼에 걸쳐 AI 의 영향을 평가합니다.
정책 프레임워크: '일률적 접근 (one-size-fits-all)'이 아닌 특정 학생 프로파일에 기반한 표적 교육 개입의 기초를 제공합니다.

4. 결과

기술적 발견:

학생들은 출력의 비판적 수용 ( $M=3.23$ ), 연구 제안 ( $M=3.13$ ), 학업 참여 대체 ( $M=3.06$ ) 에서 특히 중등도에서 고도 의존성을 보였습니다.
의존성은 드문드문한 것이 아니라 체계적이었으며, 이는 핵심 역량의 광범위한 약화를 시사합니다.

잠재 클래스 분석 (LCA) 프로파일:
최적의 모델은 네 가지 뚜렷한 학생 프로파일을 식별했습니다:

매우 참여하는 독립 학습자 (Class 3):
- 특징: 다섯 가지 모든 영역에서 가장 강력한 역량; 최소한의 AI 의존성; 선택적으로 AI 사용.
- 상태: 이상적인 학업 수행자.
선택적 AI 사용자 (Class 2):
- 특징: 강력한 연구 및 작문 기술; 높은 참여도; AI 를 주된 자원이 아닌 보완 도구로 활용.
- 상태: 균형 잡히고 전략적인 사용자.
중등도 AI 사용자 (Class 0):
- 특징: 모든 영역에서 중등도 기술을 보이지만, 특히 학습 독립성 측면에서 의존성 징후를 보임.
- 상태: 과도한 의존으로 넘어갈 위험; 검증 훈련 필요.
AI 의존 학습자 (Class 1):
- 특징: 모든 영역 (특히 비판적 사고, 작문, 연구) 에서 가장 약한 학업 역량; 매우 높은 AI 의존성; 낮은 학습 독립성과 참여도.
- 상태: 학업 기술 약화의 고위험군; 핵심 기술을 AI 생성 콘텐츠로 대체할 가능성 높음.

인구통계학적 상관관계:

성별: AI 의존성 패턴에 유의미한 차이 없음 ( $p = .237$ ).
학업 성적: 자기 보고 성적과 의존성 수준 사이에 유의미한 연관성 없음. 고득점자와 저득점자 모두 AI 를 유사하게 활용하지만, 고득점자는 전략적으로 활용하는 반면 저득점자는 보상을 위해 의존할 수 있음.
학년: 유의미한 변이가 발견됨 ( $p = .003$ ). 고학년 학생들은 증가된 학업 과부하와 AI 도구에 대한 장기 노출로 인해 더 높은 수준의 AI 의존성을 보임.

5. 중요성과 함의

교육 정책: 커리큘럼 초기 단계에 통합된 AI 리터러시 프로그램의 시급한 필요성을 강조. 정책은 필수 인지 기술의 보존과 기술 수용 사이의 균형을 맞춰야 함.
표적 개입:
- AI 의존 학습자: 비판적 사고와 연구 기술을 재구축하기 위한 집중 지원 필요.
- 중등도 사용자: 정보 검증 및 분석적 추론에 대한 훈련 혜택.
- 독립 학습자: 균형 잡힌 AI 사용 모델을 보여주는 동료 멘토 역할을 수행 가능.
커리큘럼 적응: 기관은 최종 산출물보다 비판적 사고와 과정을 우선시하도록 평가를 재설계하여, AI 가 학습의 대체제가 아닌 지원 도구로 작용하도록 보장해야 함.
미래 연구: 저자들은 AI 의존성의 장기적 영향을 추적하고 기술 주도 교육 환경에서 기술 약화를 완화하기 위한 프레임워크를 개발하기 위해 종단 연구를 요청함.